[發明專利]用于輸出信息的方法和裝置

有效

• 申請號: 201710970958.7
• 申請日: 2017-10-18
• 公開（公告）號: CN109685536B
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 周默;李朋輝;季周;張燕鋒
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請實施例公開了用于輸出信息的方法和裝置。該方法的一具體實施方式包括：響應于接收到用戶的參與請求，獲取用戶的用戶特征向量；將用戶特征向量輸入到預先訓練的異常用戶識別模型中，得到用戶的用戶類型；響應于用戶在預設的第一時間段內的參與次數大于預設的次數閾值，設置第一計數，以及響應于用戶的用戶類型為異常類型，設置第二計數；基于在第一時間段內接收到的參與請求的總次數、第一計數、預先確定出的在預設的第二時間段內異常用戶發送參與請求的次數和第二計數，確定在參與次數大于次數閾值的條件下用戶是異常用戶的概率并輸出包含概率的信息。該實施方式提高了信息輸出的準確性，從而防范了異常用戶對活動的參與。

技術領域

本申請涉及計算機技術領域，具體涉及互聯網技術領域，尤其涉及用于輸出信息的方法和裝置。

背景技術

目前，為了促進用戶的參與行為、增加網站流量，各個互聯網公司經常會發起一些活動(例如，抽獎活動)，隨之而來的惡意參與行為(刷獎行為)也越來越頻繁。如何基于用戶的用戶特征向量，發現異常用戶并作出相應的響應對各個互聯網公司具有重要的意義。

發明內容

本申請實施例的目的在于提出一種改進的用于輸出信息的方法和裝置，來解決以上背景技術部分提到的技術問題。

第一方面，本申請實施例提供了一種用于輸出信息的方法，該方法包括：響應于接收到用戶的參與請求，獲取用戶的用戶特征向量；將用戶特征向量輸入到預先訓練的異常用戶識別模型中，得到用戶的用戶類型，其中，異常用戶識別模型用于表征用戶特征向量與用戶類型之間的對應關系；響應于用戶在預設的第一時間段內的參與次數大于預設的次數閾值，設置第一計數，以及響應于用戶的用戶類型為異常類型，設置第二計數；基于在第一時間段內接收到的參與請求的總次數、第一計數、預先確定出的在預設的第二時間段內異常用戶發送參與請求的次數和第二計數，確定在參與次數大于次數閾值的條件下用戶是異常用戶的概率并輸出包含概率的信息。

在一些實施例中，在將用戶特征向量輸入到預先訓練的異常用戶識別模型中之前，該方法還包括：將存在于預先存儲的異常用戶標識符表中、且在第二時間段內發送參與請求的用戶的用戶標識符標記為異常，將除標記為異常的用戶標識符之外的用戶標識符標記為正常；獲取在第二時間段內發送參與請求的用戶的用戶特征向量；利用機器學習方法，將標記為異常的用戶標識符對應的用戶的用戶特征向量和標記為正常的用戶標識符對應的用戶的用戶特征向量分別作為輸入，將異常類型和正常類型分別作為輸出，訓練得到異常用戶識別模型。

在一些實施例中，確定在參與次數大于次數閾值的條件下用戶是異常用戶的概率，包括：將第二計數與第一計數的商確定為在用戶是異常用戶的條件下參與次數大于次數閾值的概率；將預先確定出的在預設的第二時間段內異常用戶發送參與請求的次數與在第一時間段內接收到的參與請求的總次數的商確定為用戶是異常用戶的概率；基于在用戶是異常用戶的條件下參與次數大于次數閾值的概率，利用樸素貝葉斯公式，將用戶是異常用戶的概率作為先驗概率，將得到的后驗概率確定為在參與次數大于次數閾值的條件下用戶是異常用戶的概率。

在一些實施例中，該方法還包括：響應于在參與次數大于次數閾值的條件下用戶是異常用戶的概率大于等于預設的概率閾值，將用戶的用戶標識符標記為異常。

在一些實施例中，該方法還包括：響應于在預設的第三時間段內在參與次數大于次數閾值的條件下用戶是異常用戶的概率均小于概率閾值，將第一時間段的時間長度增加預設第一倍數，其中，第三時間段的時間長度是第一時間段的時間長度的預設第二倍數。

在一些實施例中，該方法還包括：響應于在預設的第四時間段內在參與次數大于次數閾值的條件下用戶是異常用戶的概率均大于等于概率閾值，將第一時間段的時間長度減少預設第三倍數，其中，第四時間段的時間長度是第一時間段的時間長度的預設第四倍數。

在一些實施例中，在將用戶的用戶標識符標記為異常之后，該方法還包括：攔截用戶發送的參與請求；或向用戶的終端推送參與失敗頁面。